MODIS和CALIOP丨“碳中和”下研究气溶胶的意义，以及如何通过科学的方式研究气溶胶

文摘 2024-07-12 11:05 德国

热课推荐:

1、基于Python星载气溶胶数据处理与反演分析实践技术应用培训班

2、【融合ChatGPT等AI模型】Python-GEE遥感云大数据分析、管理与可视化及多领域案例实践应用高级培训班

3、无人机生态环境监测、图像处理与GIS数据分析综合实践技术应用培训班

Tips：主讲老师均为来自中科院所，重点高校的工程师和专家教授。所有课程报名后提供课上所需全套课件资料、数据代码，并且录播视频永久回放。助学社群长期辅助指导，课后依旧提供长期答疑。

联系客服咨询：刘老师：185-1037-1651（微电）（或文末扫码咨询）

直播课程一

基于Python星载气溶胶数据处理与反演分析实践技术应用培训班

在当前全球气候变化和环境污染问题日益突出的背景下，气溶胶研究显得尤为重要。气溶胶在大气中由直径范围在0.01微米至10微米固体和液体颗粒构成，直接或间接影响地球辐射平衡、气候变化和空气质量。尤其在“碳中和”目标的驱动下，研究气溶胶对“碳中和”的气候影响及其环境效应，不仅对科学研究具有重大意义，同时也为政策制定提供了重要依据。

MODIS（中分辨率成像光谱仪）和CALIOP（云-气溶胶偏振激光雷达）是两种重要的星载遥感观测平台，它们提供了大量的气溶胶数据。MODIS通过成像光谱技术获取不同波长的遥感数据，从而得到气溶胶的空间分布、光学厚度等信息，而CALIOP则通过激光雷达技术获取气溶胶的类型和垂直分布信息。这两者结合使用，可以更全面地监测和分析气溶胶的全球时空变化特征。然而，处理和分析这些数据需要一定的专业技术和工具。

Python作为一种强大且易于学习的编程语言，已广泛应用于数据科学和大气科学领域，Python凭借其强大的数据处理能力，可以高效处理海量的气溶胶数据。例如，通过Pandas库，研究人员可以进行高效的数据清洗、整理和分析；NumPy库则提供了强大的数值计算功能，能够快速进行各种数学和统计运算；Cartopy可以简单直观的方式生成地图；Pyhdf可以快速有效处理卫星的hdf数据。这些工具的结合使用，使得研究人员能够更加专注于科学问题的探索，而不是数据处理的琐碎工作，应广大学员要求Ai尚研修特举办：基于Python星载气溶胶数据处理与反演分析实践技术应用培训班。我们诚挚地欢迎大家积极参与，共同推动气溶胶研究的深入发展。详细的课程内容及会议流程请参照以下内容：

课程内容

培训时间

2024年7月20日-21日、27日-28日【四天直播教学、提供全部资料及回放】

报名咨询

刘佳：185-1037-1651（微电）

直播课程二

【融合ChatGPT等AI模型】Python-GEE遥感云大数据分析、管理与可视化及多领域案例实践应用高级培训班

随着航空、航天、近地空间等多个遥感平台的不断发展，近年来遥感技术突飞猛进。由此，遥感数据的空间、时间、光谱分辨率不断提高，数据量也大幅增长，使其越来越具有大数据特征。对于相关研究而言，遥感大数据的出现为其提供了前所未有的机遇，但同时也提出了巨大的挑战。传统的工作站和服务器已经无法满足大区域、多尺度海量遥感数据处理的需要。

为解决这一问题，国内外涌现了许多全球尺度地球科学数据（尤其是卫星遥感数据）在线可视化计算和分析云平台如谷歌Earth Engine（GEE）、航天宏图的PIE Engine和阿里的AI Earth等。其中，Earth Engine最为强大，能够存取和同步遥感领域目前常用的MODIS、Landsat和Sentinel等卫星图像和NCEP等气象再分析数据集，同时依托全球上百万台超级服务器，提供足够的运算能力对这些数据进行处理。目前，Earth Engine上包含超过900个公共数据集，每月新增约2 PB数据，总容量超过80PB。与传统的处理影像工具（例如ENVI）相比，Earth Engine在处理海量遥感数据方面具有不可比拟的优势。一方面，它提供了丰富的计算资源；另一方面，其巨大的云存储能力节省了科研人员大量的数据下载和预处理时间。可以说，Earth Engine在遥感数据的计算和分析可视化方面代表世界该领域最前沿水平，是遥感领域的一次革命。

如今，Earth Engine凭借其强大的功能正受到越来越多国内外科技工作者的关注，应用范围也在不断扩大。本课程致力于帮助科研工作者掌握Earth Engine的实际应用能力，以Python编程语言为基础，结合实例讲解平台搭建、影像数据分析、经典应用案例、本地与云端数据管理，以及云端数据论文出版级可视化等方面的进阶技能。为了提高教学质量，本课程将融合最先进的ChatGPT、文心一言等AI自然语言模型辅助教学，协助学员解答疑惑、提供针对性建议和指导，不仅让学员更深入地掌握课程内容，还为今后自助学习提供高效的个性化的学习体验。

课程内容

第一章、理论基础

1、Earth Engine平台及应用、主要数据资源介绍

2、Earth Engine遥感云重要概念、数据类型与对象等

3、JavaScript与Python遥感云编程比较与选择

4、Python基础（语法、数据类型与程序控制结构、函数及类与对象等）

5、常用Python软件包（（pandas、numpy、os等）介绍及基本功能演示（Excel/csv数据文件读取与数据处理、目录操作等）

6、JavaScript和Python遥感云API差异，学习方法及资源推荐

7、ChatGPT、文心一言等AI自然语言模型介绍及其遥感领域中的应用

第二章、开发环境搭建

1、本地端与云端Python遥感云开发环境介绍

2、本地端开发环境搭建

1）Anaconda安装，pip/conda软件包安装方法和虚拟环境创建等；

2）earthengine-api、geemap等必备软件包安装；

3）遥感云本地端授权管理；

4）Jupyter Notebook/Visual Studio Code安装及运行调试。

3、云端Colab开发环境搭建

4、geemap介绍及常用功能演示。

ChatGPT 4、Claude Opus、Gemini、文心一言等AI大模型使用演示。

第三章、遥感大数据处理基础与AI大模型交互

1、遥感云平台影像数据分析处理流程介绍：介绍遥感云平台影像数据分析处理流程的基本框架，包括数据获取、数据预处理、算法开发、可视化等。

2、要素和影像等对象显示和属性字段探索：介绍如何在遥感云平台上显示和探索要素和影像等对象的属性字段，包括如何选择要素和影像对象、查看属性信息、筛选数据等。

3、影像/要素集的时间、空间和属性过滤方法：介绍如何对影像/要素集进行时间、空间和属性过滤，包括如何选择时间段、地理区域和属性条件，以实现更精确的数据分析。

4、波段运算、条件运算、植被指数计算、裁剪和镶嵌等：介绍如何在遥感云平台上进行波段运算、条件运算、植被指数计算、裁剪和镶嵌等操作，以实现更深入的数据分析。

5、Landsat/Sentinel-2等常用光学影像去云：介绍如何在遥感云平台上使用不同方法去除Landsat/Sentinel-2等常用光学影像中的云，以提高影像数据质量。

6、影像与要素集的迭代循环：介绍如何使用遥感云平台的迭代循环功能对影像和要素集进行批量处理，以提高数据分析效率。

7、影像数据整合（Reducer）：介绍如何使用遥感云平台的Reducer功能将多个影像数据整合成一个数据集，以方便后续数据分析。

8、邻域分析与空间统计：介绍如何在遥感云平台上进行邻域分析和空间统计，以获取更深入的空间信息。

9、常见错误与代码优化：介绍遥感云平台数据分析过程中常见的错误和如何进行代码优化，以提高数据分析效率和精度。

10、Python遥感云数据分析专属包构建：介绍如何使用Python在遥感云平台上构建数据分析专属包，以方便多次使用和分享分析代码。

第四章、典型案例操作实践与AI大模型交互

11、机器学习分类算法案例：本案例联合Landsat等长时间序列影像和机器学习算法展示国家尺度的基本遥感分类过程。具体内容包括研究区影像统计、空间分层随机抽样、样本随机切分、时间序列影像预处理和合成、机器学习算法应用、分类后处理和精度评估等方面。

12、决策树森林分类算法案例：本案例联合L波段雷达和Landsat光学时间序列影像，使用决策树分类算法提取指定地区2007-2020年度森林分布图，并与JAXA年度森林产品进行空间比较。案例涉及多源数据联合使用、决策树分类算法构建、阈值动态优化、分类结果空间分析等方面。

13、洪涝灾害监测案例：本案例基于Sentinel-1 C波段雷达等影像，对省级尺度的特大暴雨灾害进行监测。案例内容包括Sentinel-1 C影像处理、多种水体识别算法构建、影像差异分析以及结果可视化等方面。

14、干旱遥感监测案例：本案例使用40年历史的卫星遥感降雨数据产品如CHIRPS来监测省级尺度的特大干旱情况。案例内容包括气象数据基本处理、年和月尺度数据整合、长期平均值LPA/偏差计算，以及数据结果可视化等方面。

15、物候特征分析案例：本案例基于Landsat和MODIS等时间序列影像，通过植被指数变化分析典型地表植被多年的物候差异（样点尺度）和大尺度（如中国）的物候空间变化特征。案例内容包括时间序列影像合成、影像平滑（Smoothing）与间隙填充（Gap-filling）、结果可视化等方面。

16、森林生物量遥感反演案例：本案例联合GEDI激光雷达、Landsat/Sentinel-2多光谱光学影像反演森林生物量/碳储量。涉及GEDI激光雷达数据介绍、Landsat/Sentinel-2光学影像处理、生物量反演指标提取与相关性分析、与特征集筛选（如XGboot、递归特征消除RFE、SelectKBest等）与机器学习建模、变量重要度分析和可视化等内容。

17、生态环境质量动态监测案例：该案例使用RSEI遥感生态指数和Landsat系列影像，对选定城市的生态状况进行快速监测。主要涉及的技术包括植被指数的计算、地表温度的提取、数据的归一化、主成分PCA分析、RSEI生态指数的构建以及结果的可视化等。

第五章、输入输出及数据资产高效管理与AI大模型交互

1.本地数据与云端交互：介绍如何将本地端csv、kml、矢量和栅格数据与云端数据相互转换，并讲解数据导出的方法。

2.服务器端数据批量下载：包括直接本地下载、影像集批量下载，以及如何快速下载大尺度和长时间序列数据产品，例如GEE云端全球森林产品和20年8天尺度MODIS数据产品下载。

3.本地端数据上传与属性设置：包括earthengine命令使用，介绍如何上传少量本地端矢量与栅格数据并设置属性（小文件），以及如何批量上传数据并自动设置属性，还将介绍如何使用快速上传技巧上传超大影像文件，例如国产高分影像。

4.个人数据资产管理：介绍如何使用Python和earthengine命令行来管理个人数据资产，包括创建、删除、移动、重命名等操作，同时还会讲解如何批量取消上传/下载任务。

第六章、云端数据论文出版级可视化与AI大模型交互

1.Python可视化及主要软件包简介：介绍matplotlib和seaborn可视化程序包，讲解基本图形概念、图形构成以及快速绘制常用图形等内容。

2.研究区地形及样地分布图绘制：结合本地或云端矢量文件、云端地形数据等，绘制研究区示意图。涉及绘图流程、中文显示、配色美化等内容，还会介绍cpt-city精美调色板palette在线下载与本地端应用等。

3.研究区域影像覆盖统计和绘图：对指定区域的Landsat和Sentinel等系列影像的覆盖数量、无云影像覆盖情况进行统计，绘制区域影像统计图或像元级无云影像覆盖专题图。

4.样本光谱特征与物候特征等分析绘图：快速绘制不同类型样地的光谱和物候特征，动态下载并整合样点过去30年缩略图（thumbnails）和植被指数时间序列等。

5.分类结果专题图绘制及时空动态延时摄影Timelapse制作：单幅或多幅分类专题图绘制及配色美化，制作土地利用变化清晰的Timelapse，还会介绍动画文字添加等内容。

6.分类结果面积统计与绘图：基于云端的分类结果和矢量边界文件，统计不同区域不同地类面积，提取统计结果，以不同图形展示统计面积；制作土地利用变化统计绘图等。

第七章、AI大模型与科研辅助经验分享

1.文献总结：本部分将演示AI如何帮助研究人员高效提取文献要点，包括快速识别关键变量、研究方法和主要发现，旨在提升文献审阅的效率和质量。

2.文献查找：学习如何利用AI工具从海量数据中筛选和推荐与研究议题相关的论文，从而加速文献回顾的过程并确保研究的全面性。

3.框架生成：本节将指导如何运用AI工具构建科研论文的大纲框架，并提供结构和逻辑的修改建议，以加强论文的条理性和说服力。

4.图表生文：介绍AI如何辅助解读复杂的科研数据和图表，并将这些信息融入论文撰写中，增强论文的数据支撑力和论证的准确性。

5.中译英提升：探讨AI翻译工具如何帮助研究者将中文科研材料准确、流畅地转换为英文，满足国际学术交流的需求。

中英文润色：通过AI工具优化中文和英文论文的语言表达和学术措辞，提升论文的整体质量，使其更符合专业的学术标准和出版要求

课程福利

1、赠送1个月国内可直接登录的ChatGPT会员账号；

2、赠送一套完整的【GEE-PIE遥感大数据处理与典型案例实践】视频课程

培训时间

2024年7月15日-16日、22日-24日【五天直播教学、提供全部资料及回放】

报名咨询

刘佳：185-1037-1651（微电）

直播课程三

无人机生态环境监测、图像处理与GIS数据分析综合实践技术应用培训班

构建“天空地”一体化监测体系是新形势下生态、环境、水文、农业、林业、气象等资源环境领域的重大需求，无人机生态环境监测在一体化监测体系中扮演着极其重要的角色。通过无人机航空遥感技术可以实现对地表空间要素的立体观测，获取丰富多样的地理空间数据，可以为资源环境领域的科学研究与业务化工作提供重要的一手数据。近年来无人机软硬件技术飞速发展，功能愈发强大、操作愈发简单、价格愈发平民，人们开始注意到无人机在各行各业中的巨大应用潜力。很多资源环境领域的从业人员也介入到无人机应用中，通过无人机搭载不同的传感器可以灵活高效地进行地表空间要素的动态监测，获取大量宝贵的监测数据，极大地解决了很多传统野外观测手段无法解决的问题。ArcGIS作为地理信息系统领域最主流的GIS平台软件，空间数据处理和分析功能强大，十分适用于地表空间监测数据的读写、管理、分析与可视化。本次直播课程融合无人机生态环境监测技术和ArcGIS数据分析技术，通过具体案例分析与软件操作实践，详细介绍包括无人机多源遥感影像数据采集（可见光、多光谱、激光雷达等）、影像数据拼接、空间数据编辑、空间数据分析、空间数据专题制图等流程的一条完整作业“流水线”，期望能够为感兴趣的资源环境领域的从业人员提供一个实用的培训课程。现通知事宜如下：

课程内容

专题一、无人机航拍基本流程、航线规划与飞行实践

1.无人机行业应用概况

2.无人机遥感监测简介

3.无人机与传感器类型

4.无人机航线规划设计（谷歌地球软件的使用）

5.无人机飞行软件操作（DJI App设置实践视频）

6.无人机航拍一般过程（户外飞行实践视频）

7.无人机航拍注意事项（实际飞行经验分享）

专题二、无人机图像拼接软件的学习与操作实践

1.无人机图像拼接软件Photoscan（软件安装、破解、汉化等）

2.软件界面与功能详解（菜单栏、工具栏、工作区、模型界面等）

3.软件基本操作学习与实践（图像加载、可视化、预处理等）

4.不同图像拼接模式介绍（单体三维建模、正射影像航拍制图等）

5.图像拼接处理的一般流程（图像对齐、点云生成、点云编辑、正射影像、数字高程模型等）

6.图像拼接流程批处理实现（批处理文件的编写、保存等）

7.图像分组拼接和合并（图像分组、不同堆块、对齐堆块、合并堆块等）

8.地面控制点进行图像几何校正（控制点布设规划、控制点测量、图像几何校正等）

9.图像点云分类操作与实践（自动分类、手动分类等）

10.图像拼接成果的可视化（正射影像、数字高程模型、等高线等）

11.图像拼接成果的几何量测（点坐标、长度、面积、体积等）

12.图像拼接成果的导出（JPG格式、TIFF格式、谷歌地球格式等）

13.图像拼接流程项目报告的生成（报告解读）

专题三、无人机图像拼接典型案例详解

1.基于无人机航拍的单体三维建模案例

2.基于普通相机拍摄的单体三维建模案例

3.基于无人机航拍的正射影像制图案例

4.利用批处理实现无人机航拍制图案例

5.利用地面控制点提高制图精度案例

6.利用堆块操作实现图像分组拼接案例

7.利用点云分类操作生产数字地形模型案例

8.三维物体的点线面体几何量测案例

9.基于无人机多光谱航拍数据的正射影像制图案例

10.基于无人机多光谱数据的植被指数制图案例

专题四、无人机图像拼接数据在GIS中的处理与分析

1.GIS基础与ArcGIS软件（GIS基本概念、地理坐标、投影坐标、软件架构等）（学员自带win64位笔记本电脑，安装ArcGIS10.2或以上版本软件，提前设置好上课所需软件环境）

2.ArcGIS软件基本操作与常用功能（ArcMap、ArcCatalog、常见数据格式、数据文件读写、格式转换、投影变换等）

3.ArcGIS软件空间分析（ArcToolbox、缓冲区、栅格计算器、空间插值、地物分类等）

4.ArcGIS软件高级应用（环境设置、建模工具、Python脚本编写、批量数据处理等）

5.ArcGIS读写无人机图像数据文件（格式问题、投影问题、分辨率、栅格统计等）

6.ArcGIS提取无人机图像的地物斑块（点线面矢量文件创建、栅格数据矢量化、图形与属性编辑等）

7.ArcGIS计算地物斑块的统计信息（分区统计表格、表格连接操作等）

8.ArcGIS读取无人机航拍地面控制点数据文件（GPS数据导入功能）

9.ArcGIS进行无人机图像地面控制点校正（地理配准工具）

10.ArcGIS进行无人机图像地物分类（栅格数据非监督分类）

专题五、无人机图像拼接数据在GIS中的可视化与制图

1.ArcGIS可视化（图层操作、符号化、色彩配置、透明度、掩膜显示等）

2.ArcGIS制图（地图基础、布局设计、多数据框显示等）

3.ArcGIS制图文本操作（标题、地图标注、地图注记等）

4.矢量数据的符号化设计（类别、数量、图表、多属性等）

5.栅格数据的符号化设计（分段、拉伸、栅格影像地图设置等）

6.ArcGIS地图图幅要素（坐标格网、图例、比例尺、指北针等）

7.无人机图像地物斑块可视化分析（矢量数据符号化）

8.无人机图像地物分类可视化分析（栅格数据符号化）

9.ArcGIS专题地图输出与保存（分辨率、输出范围等）

10.无人机拼接点云数据在ArcGIS中的可视化分析（ArcScene、剖面分析等）

专题六、综合案例: 无人机航拍植被动态的定量化研究

1.景观尺度植物斑块无人机航拍的流程

2.地面控制点的布设与RTK-GPS测量

3.利用Photoscan软件拼接无人机航拍照片

4.利用地面控制点对拼接图像进行地理配准

5.无人机航拍拼接图像的投影变换

6.计算绿度植被指数指示植被斑块的生长状况

7.利用非监督分类对拼接图像进行地物分类

8.对拼接图像中的植被斑块进行矢量化

9.植被斑块矢量数据的属性表编辑与计算

10.植被斑块矢量数据的可视化表达与专题制图

专题七、综合案例：无人机激光雷达地形测量与河网水系提取

1.无人机搭载激光雷达进行景观微地形测量

2.激光雷达点云数据衍生产品：数字表面模型DSM、数字高程模型DEM、冠层高度模型CHM

3.从DEM提取河网水系：

通过填洼获得无汇点DEM （工具：填洼）

流向计算原理（工具：流向）

通过流向划分盆域（工具：盆域分析）

累积流量计算原理（工具：流量）

通过累积流量提取河流栅格数据（工具：栅格计算器，阈值计算）

河网栅格数据转变成矢量数据（工具：栅格河网矢量化）

指定倾泻点（工具：捕捉倾泻点）

根据指定的倾泻点来确定各个分水岭（工具：分水岭）

主讲专家

朱老师（副教授）：长期从事生态遥感监测、湿地碳循环、生态模型、全球变化生态学等研究，基于无人机在生态环境中的应用具有丰富实践项目经验。

培训时间

现场时间：2024年8月22日-26日西安【22日全天办理报道,授课四天】

直播时间：2024年8月23日-26日【腾讯会议直播】

刘佳：185-1037-1651（微电）

发票及证书

其它课程

直播课程：

· 最新全流程ChatGPT办公与科研应用、论文撰写、数据分析、机器学习、深度学习及AI绘图高级培训班

· 深度学习全景进阶：最新Python深度学习进阶与前沿应用高级培训班

· 基于LEAP模型在能源环境发展、碳排放建模预测及分析中实践应用高级培训班

· 激光雷达数据处理与典型案例分析实践技术应用培训班

· 流域生态系统水-碳-氮耦合过程模拟培训班

· 最新六天：SWAT模型【全流程建模方法、实例应用、高级进阶】系统实践技术培训班

视频教程（遥感系列）：

· 双碳目标下基于“遥感+”融合技术在碳储量、碳收支、碳循环等多领域监测与模拟实践应用

· 基于Python长时间序列遥感数据处理及在全球变化、物候提取、植被变绿与固碳分析、生物量估算与趋势分析等领域中的应用

· 高光谱遥感数值建模技术及在植被、水体、土壤信息提取

· “Python+”集成技术高光谱遥感数据处理与机器学习深度应用

· 基于ArcGIS Pro、Python、USLE、INVEST模型等多技术融合的生态系统服务构建生态安全格局

· 基于ArcGIS、InVEST与RUSLE水土流失模拟及分析中的实践技术应用

· 基于遥感与GIS在滑坡、泥石流易发性、危险性、风险评价及普查中的应用

· 合成孔径雷达干涉测量InSAR数据处理、地形三维重建、形变信息提取、监测等实践技术应用

· 基于python深度学习遥感影像地物分类与目标识别、分割实践技术应用

· 遥感影像目标检测：从CNN（Faster-RCNN）到Transformer（DETR）

· 基于“遥感+”蓝碳储量估算、红树林信息提取实践技术应用与科研论文写作

· 北斗/GNSS高精度数据处理暨GAMIT/GLOBK v10.75软件实践技术应用

· 成像光谱遥感技术中的AI革命：ChatGPT应用指南

END

声明：本号旨在传播、传递、交流，对相关文章内容观点保持中立态度。涉及内容如有侵权或其他问题，请与本号联系，第一时间做出撤回。

END

Ai尚研修丨专注科研领域

技术推广，人才招聘推荐，科研活动服务

科研技术云导师，Easy Scientific Research

http://mp.weixin.qq.com/s?__biz=MzkxMDAxNjE4MA==&mid=2247497613&idx=1&sn=920ffe733727ec259acdbd6438044bbb

海洋与大气科学

海洋与大气科学数据分析，数据可视化分享，可教学。